2024年6G全球技术大会发布白皮书《6G无线智能云网络》学习-（3）

一、文档提纲（人工智能辅助）

本文介绍了O-RAN联盟的重要性以及其在6G时代的关键技术支柱。O-RAN联盟的使命是重塑RAN行业，实现更智能、开放、虚拟化和完全互操作的移动网络。通过利用第三代合作伙伴计划（3GPP）定义的物理特性，O-RAN规范拆分了网络实体并定义了接口，促进多供应商联合开发和产品互操作性测试。关键技术支柱包括网络架构考量因素、基于服务的RAN、人工智能（AI）、频谱共享以及可持续性和节能。在6G时代，O-RAN的灵活架构为未来网络提供了独特优势，如可编程的网络智能架构、基于服务的RAN设计和灵活的频谱共享。以下是文档的主要要点：

• O-RAN联盟的使命和重要性

• O-RAN架构的概述和重要接口

• 6G的愿景和设计目标

• IMT-2030的使用场景和功能

• 6G的关键技术支柱和考量因素，包括网络架构、基于服务的RAN、人工智能、频谱共享和可持续性

• 可编程RAN的重要性和角色

• 资源池化在6G架构中的作用

• 基于服务的RAN架构的演进和重要性

二、问答学习

（1）在O-RAN中引入原生AI如何保持业务的实时性和电信级保障？

在O-RAN中引入原生AI可以通过确保业务的实时性和电信级保障来提高网络性能。原生AI的集中式实体负责编排、管理、部署和控制所有分布式AI实体，同时分布式AI实体负责提供本地网络的服务功能，并接收来自集中式AI实体的命令，从而实现对业务的实时性和电信级保障。此外，跨域AI协作也是一个重要因素，需要设计高效的AI协作机制，包括AI编排和管理、数据交互、分布式学习算法和计算能力调度，以确保网络的灵活性和快速更新。

（2）AI在O-RAN中的作用？

在O-RAN中，AI的作用主要体现在将AI嵌入网络架构中各种节点和接口所支持的功能中，以实现系统性能的改善和无线通信网络中新功能的实现，从而获得更深入的洞察。此外，AI还可以通过分析收集到的数据并自主处理这些数据，为网络提供定制化的服务，优化6G网络的通信能力，并为用户提供更灵活和实时的AI服务。AI在6G时代的网络架构设计中扮演着重要角色，需要考虑AI的支持纳入考量，确保AI的训练和推理融入控制流和数据流中，并设计高效的AI协作机制以保证6G AI应用的可靠性和安全性。

（3）如何设计高效的AI协作机制以保障电信级服务？

为设计高效的AI协作机制以保障电信级服务，需要考虑跨域AI协作的重要性。跨域AI协作指不同领域间AI功能的协作和整合，包括网络域和其他领域。集中式AI实体应具备处理端到端AI管理和编排能力，包括跨域数据编排和映射、AI任务识别和分解，以及将AI任务与计算资源映射的能力。此外，还需要设计高效的AI编排和管理、数据交互、分布式学习算法和计算能力调度等方面的机制，以确保AI在不同网络域之间的协作顺畅进行。最终，为保证6G AI应用的可靠性和安全性，还需要在可信AI、数据安全和隐私方面提供保护措施。

（4）AI在O-RAN没有使用过，如何应对出现未知是问题？

在O-RAN中，如果出现未知问题，可以通过引入原生AI来处理。原生AI指的是将AI嵌入网络架构中各种节点/端点和接口所支持的功能中，从而改善系统性能并实现无线通信网络中的新功能，获得更深入的洞察。此外，AI的应用还可以帮助网络更好地适应动态网络需求，促进创新，并充分发挥AI的全部潜力。通过将AI嵌入到网络架构中，可以实现网络的智能化，并为未知问题提供更有效的应对策略。

（5）AI如何提高O-RAN架构中的系统性能？

AI可以通过将其嵌入到O-RAN架构的各种节点和接口中，实现系统性能的改善。这种原生AI的应用使得网络能够更好地适应动态网络需求，促进创新，并充分发挥AI的全部潜力。此外，AI还可以在O-RAN架构中引入无线接入网络智能控制器（RIC），从而实现基于AI的解决方案，为广泛的用例提供支持。通过这种范式转变，AI可以在6G网络中发挥重要作用，提高系统性能和网络的智能化水平。

（6）跨域 AI 协作的技术难点是什么？

跨域AI协作的技术难点主要包括以下几个方面：首先，集中式AI实体需要处理端到端的AI管理和编排能力，包括跨域数据编排和映射、AI任务识别和分解，以及将AI任务与计算资源映射。其次，不同网络域之间的协作控制是一个新的挑战，需要考虑协同控制方法，例如联邦学习、分割学习和迁移学习，以实现更实时的管理能力。

原生和跨域 AI 网络架构（来源白皮书）

（6）如何确保不同网络域之间的人工智能协作？

为确保不同网络域之间的人工智能协作，需要考虑跨域AI协作的重要性。跨域AI协作指在不同领域间AI功能的协作和整合，包括网络域和其他领域。集中式AI实体应具备处理端到端AI管理和编排能力，包括跨域数据编排和映射、AI任务识别和分解，以及将AI任务与计算资源映射的能力。为了实现跨不同网络域的AI协作能力，集中式AI实体应能处理端到端的AI管理和编排能力，如跨域数据编排和映射、AI任务识别和分解，以及将AI任务与计算资源映射。设计高效的AI协作机制需要考虑AI编排和管理、数据交互、分布式学习算法和计算能力调度等方面，以确保AI在不同网络域之间的协作顺畅进行。

（7）在O-RAN中频谱共享如何处理？

在O-RAN中，频谱共享通过共享O-RU架构来实现。这种基于O-RU的频谱共享方案可以满足本地网络的要求，例如工业园区内部署的网络，其中不同公司可能需要独立的网络，并且政府用户可能具有更高的频谱访问优先级。共享O-RU频谱共享需要对频谱资源的优先访问权进行协调管理，其中O-RU在协调访问方面扮演着重要角色。通过低延迟前传网络连接到多个O-DU，共享O-RU可以执行协调功能，根据预设策略确定哪个运营商可以访问资源，从而实现频谱共享。

共享 O-RU 网络架构（来源白皮书）

（9）在O-RAN中如何实现节能？

在O-RAN中实现节能可以通过采用新技术和设计来减少网络的能耗。一种方法是通过引入微睡眠发射器和多频段无线电组件的设计与集成来节省无线电能耗。另外，基于高性能通用处理器构建的云DU可以具有优化的能耗和良好的软件开发生态系统支持，从而降低能耗。此外，通过远程应用程序（rApp）实现自动化非实时网络管理，可以降低运营成本、提高网络性能和减少能耗。在3GPP中，对系统能耗进行了建模，并确定了几种可能的候选技术，以减少功能层面的功耗，这也有助于节能。综合来看，O-RAN架构通过分割网络实体和可编程rAPP提供了灵活性，结合新的节能特性，有望在6G时代实现节能的目标。

云 RAN 的功能划分（来源白皮书）

（10）O-RAN中频谱共享如何实现？

在O-RAN中，频谱共享是通过共享O-RU架构来实现的。这种基于O-RU的频谱共享方案可以满足本地网络的要求，例如工业园区内部署的网络，其中不同公司可能需要独立的网络，并且政府用户可能具有更高的频谱访问优先级。共享O-RU架构依赖于资源的优先使用，以保证服务质量，并允许在运营商和其他频谱利益相关者之间进行流量的统计复用，从而提高频谱资源的总体使用效率。共享O-RU频谱共享需要对频谱资源的优先访问权进行协调管理，其中O-RU在协调访问方面扮演着重要角色。通过低延迟前传网络连接到多个O-DU，共享O-RU可以执行协调功能，根据预设策略确定哪个运营商可以访问资源，从而实现频谱共享。